如何测试我训练的张量流模型

Question

我目前有一个回归模型，试图预测基于其他25个值的回归模型。

这是我目前给

import tensorflow as tf 
import numpy as np 
import matplotlib.pyplot as plt 
rng = np.random 
learning_rate = 0.11 
training_epochs = 1000 
display_step = 50 
X = np.random.randint(5,size=(100,25)).astype('float32') 
y_data = np.random.randint(5,size=(100,1)).astype('float32') 
m = 100 
epochs = 100 
W = tf.Variable(tf.zeros([25,1])) 
b = tf.Variable(tf.zeros([1])) 
y = tf.add(tf.matmul(X,W), b) 
loss = tf.reduce_sum(tf.square(y - y_data))/(2 * m) 
loss = tf.Print(loss, [loss], "loss: ") 
optimizer = tf.train.GradientDescentOptimizer(.01) 

train = optimizer.minimize(loss) 

init = tf.initialize_all_variables() 

sess = tf.Session() 
sess.run(init) 

for i in range(epochs): 
    sess.run(train) 


sess.close() 

据我所知，现在这些变量都是随机的，因此准确度不会很好反正代码，但我只是想知道如何做一个测试集并找出预测的准确性。

Answer 1

通常，您将训练集分为两部分：大约2/3用于训练，1/3用于测试（意见因比例而异）。用第一套训练你的模型。检查训练准确性（通过模型运行训练集以查看它有多少正确）。

现在，通过模型运行剩余（测试集），并检查预测结果的匹配程度。 “找到准确性”取决于你正在做什么样的预测：分类vs评分，二进制与不相交VS连续等。